Mélanges de GLMs et nombre de composantes : application ... - Scor

3.2.2 Sélection des variables par CART
3.2. Cas pratique d’utilisation de mélange de Logit
Taux d’erreur de classification de l’arbre Le classifieur par forêts aléatoires avec en
variables d’entrée l’ensemble des variables à disposition (et pas seulement les variables catégorielles)
donne d’excellents résultats. Le taux d’erreur de la matrice de confusion est de 4,6 %,
avec une sensibilité de 99,5 % et une spécificité de 84 %. Ces statistiques nous sécurisent quant
au classement (énoncé dans le paragraphe suivant) du pouvoir discriminant des variables.
Rachats non-observés
Rachat observés
Rachats non-prédits 4599 877
Rachats prédits 85 15485
Importance des variables explicatives Comme énoncé dans la section 1.3.1, nous avons
vérifié que le classement de l’importance des variables explicatives soit le même pour les
périodes de pics de rachat comme pour les périodes creux (ce qui est le cas) lorsque nous
regardons les comportements de rachat en fonction de l’ancienneté du contrat. Il n’y a donc
pas de biais introduit dans les résultats de la figure 3.5, qui va nous servir de base pour la prise
en compte des bons inputs lors de la modélisation. Nous prenons ainsi en priorité les variables
de saisonnalité et d’ancienneté de contrat (catégorisée) déjà validées comme importantes, en y
ajoutant l’option de PB et la prime de risque (catégorisée également car relation non-monotone
encore une fois).
Variable importance for Mixtos (All) on
3 months basis
General and by class error rate of Mixtos (All) in
3 months basis
PB.guarantee
risk.premium
duration
fa.range
face.amount
riskPrem.range
saving.premium
duration.range
premium.frequency
lapse.age
underwriting.age
savingPrem.range
underwritingAge.range
gender
Error
0.005 0.010 0.020 0.050 0.100
0 500 1000 1500 2000
MeanDecreaseGini
0 10 20 30 40
trees
Figure 3.5 – Importance des variables explicatives, produit Mixtes.
81